近期，《先进材料》（Advanced Materials）在线发表了研究所李祎、缪向水教授关于忆阻存算一体技术的综述论文，文章标题为“Self-rectifying memristors for three-dimensional in-memory computing”。博士生任升广为论文第一作者，李祎副教授和缪向水教授为论文共同通讯作者。
面向人工智能的大算力芯片已成为国家重大战略需求，然而传统芯片技术的发展面临摩尔定律行将失效、存储墙、散热墙等多重限制。基于忆阻器的存算一体技术被视为变革传统冯·诺依曼计算架构、突破芯片算力和能效瓶颈的重要路径。尽管近年来忆阻器技术发展迅速，但在大规模阵列集成中，仍然面临传统晶体管难以实现三维集成、以及漏电流导致擦写错误、热开销加剧等问题。自整流忆阻器凭借其可抑制漏电流通路、可实现三维堆叠集成等优势，有望成为研制高密度存算一体芯片的理想器件，能够大幅提高芯片单位面积上的计算算力和能效，从而成为当前的领域研究热点。
图1 三维集成自整流忆阻器的应用方向，如高密度存储、存内计算、神经形态计算、硬件安全等
团队前期重点探索了自整流忆阻器新结构及性能优化，在器件整流比、非线性度、功耗、可扩展规模等关键指标方面取得了突破（IEEE Transactions on Electron Devices, 68(10), 4897-4902, 2021；69(2), 838-842, 2022；IEEE Electron Device Letters, 2023, doi: 10.1109/LED.2023.3323341）。针对科学计算中的大规模稀疏矩阵计算难题，基于aJ级超低擦/写/读功耗的Pt/HfO2/TaOX/Ta自整流忆阻器阵列，提出了高面积效率、高计算并行度的运算方案，计算能效相较同类工作提升近2个数量级（Science Advances, 9, eadf7474, 2023）。
基于前期研究基础和思考，本综述从应用需求出发，阐述了自整流忆阻器用于解决三维堆叠集成和漏电流问题的优势，系统总结了当前业界最先进的自整流忆阻器及其关键性能指标，归纳了自整流忆阻器的重要应用场景，包括面向存储级内存的三维存储、存算一体（涵盖存内逻辑、二维矩阵矢量乘、稀疏矩阵运算、相似性搜索、三维计算等）、神经形态计算（涵盖人工突触、人工神经元、储备池计算等）以及硬件安全，分析了各类应用对自整流忆阻器性能指标的特异性需求。最后，本综述从物理机制、工艺集成、存算电路及系统设计等层面，进一步凝练了当前自整流忆阻器发展面临的关键挑战，展望在可预见的未来，高密度忆阻三维集成将成为存算一体芯片和硬件的重要方案，满足不断增长的算力和能效需求。
该工作得到了国家科技创新2030“脑科学与类脑研究”重大项目（2021ZD0201201）、科技部国家重点研究计划（2019YFB2205100, 2022YFB4500101）、国家自然科学基金重大研究计划培育项目（92064012）以及湖北江城实验室的支持。
论文链接：
https://onlinelibrary.wiley.com/doi/10.1002/adma.202307218
